澳大利亚非盈利就业服务公司WISE Employment使用Parallels Remote Application Server让员工可以安全地进行移动办公,并为实现更多增值数字服务奠定了基础。
WISE Employment共有650名员工,但有超过60个分公司和20多个外展服务点,工作地点高度分散。因为老旧IT基础结构的性能低下,如何在满足员工移动办公需求的同时确保数据的隐私与安全是该组织面临的一个很大挑战。
在解决了困扰其网络基础结构的性能问题之后,WISE Employment使用Parallels Remote Application Server(RAS)来虚拟化应用程序和数据,向全澳大利亚的所有员工无缝传输数据以及部署应用,无论其员工身处何地或使用何种操作系统。
使用Parallels RAS,WISE Employment能够在合乎澳大利亚政府对维护数据隐私和安全认证的法规的同时向员工提供无缝流畅运行的信息和应用程序,所以无论何时何地其员工均可高效工作。Parallels RAS为WISE Employment打下了坚实的基础,并使其有信心为员工探索更先进的数字化工具。
WISE Employment是1992年成立的一家非营利就业服务机构,致力于帮助澳大利亚处于弱势地位和被边缘化的求职者获得有意义的工作,使他们自给自足。
WISE Employment认为自己提供“就业服务”,而不是“职业介绍所”。它从长远发展的角度看待客户的就业能力和职业前景。在过去25年中,该组织已发展成为澳大利亚领先的专业就业服务提供机构之一,每年为澳大利亚的10000名求职者提供量身定制的就业解决方案,这些求职者包括残障人士、心理疾病患者、有犯罪前科者、难民和原住民。
除了求职、面试指导和简历制作咨询等传统就业服务之外,WISE Employment还进一步探索了创新的方法, 比如该组织自身就运营着三个能够为其目标受众提供就业机会的社会综合性企业。
在过去的15年中,WISE Employment已向这些创新项目投入了350万澳元来为求职者提供支持。截至目前,其社会企业直接雇佣的员工已经超过了150人。
WISE Employment面临一个尤为特殊的挑战:劳动力高度分散。
该组织雇佣了大约650名员工,分布在澳大利亚五个州的62个分公司,这还不包括20个额外的外展服务点。大多数员工每天至少要前往这些服务点一次,其中一部分服务点还位于偏远农村地区。
在外工作时,员工需要与澳大利亚政府各系统和数据库保持连接,并存储和实时更新客户信息与记录。
除了存在移动性和连接性这一毋庸置疑的需求,WISE Employment的500名员工还受到老旧IT设备和基础设施的困扰, 如办公室内的有线网络连接和厚重的旧式笔记本电脑。
这些情况引发了很多麻烦。如果员工没有配备移动设备,工作效率会受到影响,而如果员工配备了移动设备却没有有效的技术和支持,又会面临数据安全性和合规性方面的难题。
更加复杂的是,该组织的社会企业近期还增加了150名员工,每个员工都有各自的一系列IT需求。
为了有效地满足数十个服务点650名员工的生产力和效率需求,WISE Employment显然迫切需要使其IT基础架构更加现代化。
WISE Employment首席信息官Mick Havill说:“我们需要一个可以跟上时代的IT基础架构,我们旧有的IT架构无法再满足目前的运营需求。”
然而,这又带来了另一个问题:转型的财务成本。
Mick谈到:“市场上那些‘数字化转型’软件和服务的标价着实令我们吃惊。前面已经提到,WISE Employment不仅提供就业服务,我们还同时经营三家社会型企业。我们所获得的利润要为弱势群体创造更多得就业机会,所以我们必须并把钱花在最为需要的地方。”
概念上,WISE Employment认为桌面和应用程序的虚拟化是解决诸多IT挑战的最经济高效的方法。通过虚拟化,数据可以被集中储存和保护,然后在自主选择的平台(可以是Microsoft Windows、Apple macOS、iOS或Android)上无缝交付给数以百计的终端用户而无需考虑他们身处何地。
然而,作为关键的第一步,WISE Employment必须升级其连接基础架构。
Mick表示:“我们之前的连接简直是噩梦,我们花费惊人的费用来维护62个分公司之间的连接。有一个典型的例子可以说明当时情况有多糟糕:当我们测试一个集中式虚拟化服务时,传输并打开一个简单的培训文档就用了半小时。”
考虑到员工办公极具移动性,WISE Employment采取了非常规步骤,全面进入移动办公时代。Mick切断全部线路,带领所有员工步入4G网络基础架构。
Mick 指出:“切换到4G网络工作的感觉太棒了。我们的吞吐量大幅提升,比之前使用有线连接时提高了200倍。员工也非常兴奋,配备高速移动宽带使他们能够随时随地保持在线并高效工作。”
随着即时连接性能问题得到解决,并通过引入移动框架来驱动移动策略,WISE Employment随之选择了Parallels Remote Application Server(RAS)向员工传输关键数据和应用程序。这得益于Parallels合作伙伴Microworx的帮助,它使WISE Employment能够最大化投资“性价比”。
在 Parallels RAS提供的诸多优势和功能中,强大的数据安全性和隐私性是WISE Employment看重的两个关键点,原因就在于其需要处理大量的政府数据。例如,为有效开展服务,WISE Employment必须访问存储在政府服务器上的一些私人信息,如医疗记录、犯罪记录以及各种家庭和个人背景信息等。
因此,WISE Employment必须获得澳大利亚信号局信息安全管理体系框架的认证,该框架由40条网络安全法组成,包含140项标准支持的40项策略。通过在一个中央服务器上锁定所有数据访问权限,然后经由Parallels RAS将其传递给员工,这是WISE Employment能够遵循所有现行安全和隐私法律的最佳做法。
WISE Employment 的所有员工现在都可以移动办公,无论是在办公室还是在偏远地区,都能实现高效工作,并且不会降低用户体验。得益于Parallels RAS,他们可以随时随地获得通过安全加密连接传输到其设备的任务关键数据和应用程序。
Mick指出:“坦率地说,Parallels RAS通过4G连接为我的员工提供所需的所有应用程序,这令我欣赏不已,而所有这一切竟然完全不会牺牲用户体验、安全性或合规性要求!”
事实上,用户体验非常流畅,以至于许多员工都没有意识到他们处于虚拟化环境中。他们可以将精力全部集中于为客户提供优质服务。
还有部分员工对Parallels后续功能更新中的小型终端用户增强功能感到满意,这些功能提高了他们的工作效率。
Mick回忆说:“以前版本的Parallels RAS并不支持多个显示器,这与我们内部习惯有些不符,因为我们所有人都习惯于将工作显示在面前的两个或三个显示器上,这对于我们来说几乎是最重要的需求。”
Mick 还说到:“我们向Parallels分享了这一反馈意见,而Parallels RAS的下一次更新中就推出了支持多个显示器功能, 我们对此十分感激。Parallels听取客户反馈,然后不断提供我们所需的功能,这真的很棒。”
选择Parallels RAS还为WISE Employment进一步推进其数字化转型提供了坚实基础。
借助Parallels RAS,通过锁定特定内容,特别是锁定数据隐私和安全领域的内容,WISE Employment正利用更多数字解决方案,着手增强其服务和产品。
例如,该组织将启动一个在线门户,使分包商能够与其员工一样访问相同的机密数据,并通过Parallels RAS的加密让他们不会察觉到自己正在访问此类数据。
Mick总结道,“功能强大且经济实惠的Parallels RAS让我们更有自信也更加灵活,有能力构建更多用于未来的数字化解决方案。”
好文章,需要你的鼓励
zip2zip是一项创新技术,通过引入动态自适应词汇表,让大语言模型在推理时能够自动组合常用词组,显著提高处理效率。由EPFL等机构研究团队开发的这一方法,基于LZW压缩算法,允许模型即时创建和使用"超级tokens",将输入和输出序列长度减少20-60%,大幅提升推理速度。实验表明,现有模型只需10个GPU小时的微调即可适配此框架,在保持基本性能的同时显著降低计算成本和响应时间,特别适用于专业领域和多语言场景。
这项研究创新性地利用大语言模型(LLM)代替人类标注者,创建了PARADEHATE数据集,用于仇恨言论的无毒化转换。研究团队首先验证LLM在无毒化任务中表现可与人类媲美,随后构建了包含8000多对仇恨/非仇恨文本的平行数据集。评估显示,在PARADEHATE上微调的模型如BART在风格准确性、内容保留和流畅性方面表现优异,证明LLM生成的数据可作为人工标注的高效替代方案,为创建更安全、更具包容性的在线环境提供了新途径。
这项研究由中国科学技术大学的研究团队提出了Pro3D-Editor,一种新型3D编辑框架,通过"渐进式视角"范式解决了现有3D编辑方法中的视角不一致问题。传统方法要么随机选择视角迭代编辑,要么同时编辑多个固定视角,都忽视了不同编辑任务对应不同的"编辑显著性视角"。Pro3D-Editor包含三个核心模块:主视角采样器自动选择最适合编辑的视角,关键视角渲染器通过创新的MoVE-LoRA技术将编辑信息传递到其他视角,全视角精修器修复并优化最终3D模型。实验证明该方法在编辑质量和准确性方面显著优于现有技术。
这项研究提出了ComposeAnything,一个无需重新训练的框架,可显著提升AI图像生成模型处理复杂空间关系的能力。该技术由INRIA、巴黎高师和CNRS的研究团队开发,通过三个创新步骤工作:首先利用大型语言模型创建包含深度信息的2.5D语义布局,然后生成粗略的场景合成图作为先验指导,最后通过物体先验强化和空间控制去噪引导扩散过程。在T2I-CompBench和NSR-1K基准测试中,该方法远超现有技术,特别是在处理复杂空间关系和多物体场景时表现卓越,为AI辅助创意设计开辟新可能。